最近觀看了人工智能領域先驅思想領袖吳恩達 (Andrew Ng) 的視頻，他討論了人工智能的當前趨勢和未來機遇。作為谷歌大腦創(chuàng)始人、百度前首席科學家，吳恩達對該領域有著獨特的見解。他的演講強調了塑造人工智能創(chuàng)新格局的兩大重要力量。

觀點要點

對于普通人來說：

人工智能將越來越多地自動化許多工作中的任務，但深思熟慮的政策可以減輕失業(yè)的情況。支持再培訓計劃和強大的社會安全網(wǎng)。
人工智能的好處需要主動管理偏見、透明度和道德一致性方面的風險。倡導負責任的人工智能開發(fā)。
如果設計得當，人工智能可以增強人類的能力和生產力。抓住在家庭和工作中與人工智能系統(tǒng)協(xié)作的機會。

普通人應該在塑造人工智能的發(fā)展方面擁有發(fā)言權，根據(jù)需要調整他們的技能以與人工智能一起工作，并倡導以人為本的政策。人工智能既帶來希望，也帶來危險——它的最終影響將反映社會的選擇。通過自我了解和參與，公民可以幫助引導人工智能的出現(xiàn)。我們都必須成為這項變革性技術的積極參與者，而不是被動的旁觀者。

對于人工智能初創(chuàng)公司：

專注于識別和構建高價值的人工智能應用程序，而不是商品化的基礎設施或工具。最大的機會是專門的用例，而不是底層平臺。
利用無代碼和低代碼工具，為不同行業(yè)和用戶輕松定制人工智能。通過可訪問性實現(xiàn)民主化將釋放人工智能的潛力。
與科技以外行業(yè)的主題專家合作，開發(fā)真正創(chuàng)新且有影響力的人工智能解決方案。將專業(yè)領域知識與人工智能專業(yè)知識相結合。

初創(chuàng)公司的首要任務應該是確定有前途的應用程序，確保易于使用，并與其他專家合作。成功需要超越人工智能技術本身，為最終用戶解決實際問題。有了正確的應用重點，利用人工智能的力量并不需要大量的博士。

對于采用人工智能的企業(yè)：

在公司內尋找高價值的人工智能應用程序，不要只是為了它本身而采用它。可以通過數(shù)據(jù)標記和預測等功能來優(yōu)化精確流程。
可以針對您的特定用例輕松定制 AI 模型。尋求用戶友好的開發(fā)工具和提示界面來定制解決方案。
在部署之前仔細評估人工智能系統(tǒng)的道德和潛在缺點。減輕偏見、缺乏透明度和工作崗位流失等風險。

企業(yè)應該將人工智能部署的重點放在解決實際問題上，而不是追逐技術炒作。確保實施為您的組織的需求提供可訪問的增值。并以負責任的方式實施人工智能，贏得公眾的信任。通過正確的戰(zhàn)略方法，人工智能可以通過增強能力和效率來促進現(xiàn)有業(yè)務的發(fā)展。

視頻要點

人工智能已經牢固地確立了自己作為一項影響現(xiàn)代生活各個方面的技術的地位。然而，盡管取得了進步，但仍有許多未開發(fā)的潛力有待探索。

監(jiān)督學習：十年來的主導工具

定義監(jiān)督學習：這種方法專門用于標記事物，使其成為計算輸入輸出映射的大師。
例如，它可以將電子郵件標記為垃圾郵件或非垃圾郵件，或者預測用戶是否可能點擊廣告。
多功能性：監(jiān)督學習并不局限于單一應用程序。它跨越各個領域：
在線廣告
自動駕駛汽車
船舶航線優(yōu)化
工廠中的自動目視檢查
餐廳評論情緒分析
工作原理：該過程首先收集標記數(shù)據(jù)，然后使用這些數(shù)據(jù)訓練人工智能模型。最終，這個經過訓練的模型可以根據(jù)新的輸入來預測結果。

生成式人工智能：新星

生成式人工智能簡介：它是一種可以生成內容的工具。例如，當給出提示時，它可以生成不同的響應。
底層機制：生成式人工智能（尤其是文本生成）的本質植根于監(jiān)督學習。它可以預測序列中的下一個單詞或單詞的一部分，經過大量數(shù)據(jù)的訓練后，它可以制作連貫且相關的文本。
應用：雖然大型語言模型作為消費者工具而受到關注，但它們真正的潛力在于用作開發(fā)人員工具。

人工智能機會格局

目前情況：目前，監(jiān)督學習是推動人工智能價值鏈的主要力量，在谷歌等科技巨頭中的應用積累了巨大的價值。
未來：生成式人工智能雖然相比之下規(guī)模較小，但有望呈指數(shù)級增長。開發(fā)商、投資和企業(yè)興趣的絕對數(shù)量暗示了其在未來幾年的潛在主導地位。
通用性：監(jiān)督人工智能和生成人工智能都具有廣泛的適用性。它們的通用性意味著它們可以針對多種任務進行定制。挑戰(zhàn)在于識別和執(zhí)行這些不同的應用程序。

人工智能應用的長尾

曲線的領導者：主要科技公司已經利用了數(shù)十億美元的項目，但數(shù)量有限。
長尾：遠離科技領域，存在許多較小的項目，每個項目都可能價值數(shù)百萬美元。示例包括：
確保披薩上的奶酪分布均勻。
優(yōu)化農業(yè)小麥收割。
解決長尾問題：解鎖這些小型項目的關鍵在于無代碼或低代碼解決方案。這些工具使最終用戶（例如披薩工廠的 IT 部門）能夠創(chuàng)建和定制自己的 AI 系統(tǒng)，而無需進行大量編碼。

風險和道德影響

偏見和公平：不可否認，人們對人工智能中的偏見存在擔憂，需要不斷解決這一問題。幸運的是，這一領域正在迅速取得進展。
工作中斷：人工智能自動化任務的潛力可能會導致工作崗位流失，特別是在高薪職位上。這需要社會做出反應，以確保受影響的人不被拋在后面。

討論

人工智能（AI）正在快速發(fā)展，創(chuàng)造了巨大的機遇和風險。兩個關鍵趨勢正在推動人工智能的進步。首先，人工智能是一種通用技術，在各行業(yè)具有許多潛在應用。監(jiān)督學習使計算機能夠準確地標記和分類數(shù)據(jù)，推動廣告和自動駕駛汽車等領域的進步。與此同時，GPT-3 等生成式人工智能模型顯示出自動化復雜認知任務的潛力。充分發(fā)揮人工智能的潛力需要發(fā)現(xiàn)和開發(fā)具體的用例。

其次，無代碼和低代碼工具使人工智能變得更容易使用。從歷史上看，只有科技巨頭才能利用人工智能，使用數(shù)百名工程師來開發(fā)定制系統(tǒng)。現(xiàn)在，易于使用的開發(fā)人員工具和提示界面允許小型團隊在幾周而不是幾個月的時間內構建人工智能應用程序。這種民主化有望將人工智能推向制造業(yè)、農業(yè)和醫(yī)療保健等新領域。

為了利用這些趨勢，組織應該專注于識別高價值的人工智能應用程序并提供用戶友好的定制工具。建立一個具體想法的管道來驗證比開放式的頭腦風暴更有效。人工智能專家和行業(yè)專家之間的合作將產生最具創(chuàng)新性的解決方案。

人工智能的采用面臨道德和社會風險。有偏見的數(shù)據(jù)和算法可能會導致不公正現(xiàn)象長期存在。自動化還可能取代工作崗位，需要采取緩解措施。公司必須評估項目的潛在危害以及與人類價值觀的一致性。然而，通過負責任的發(fā)展，人工智能可以通過提高組織的能力和效率來創(chuàng)造繁榮。

人工智能堆棧具有硬件、基礎設施、開發(fā)工具和最終用戶應用程序等層。建立有價值的、可防御的業(yè)務通常需要超越商品化工具來解決現(xiàn)實世界的問題。人工智能最大的財務潛力可能在于專門的用例，而不是底層平臺。

總之，人工智能為初創(chuàng)企業(yè)和現(xiàn)有企業(yè)提供了推動進步的巨大機會。實現(xiàn)人工智能的潛力需要識別高影響力的應用程序，實現(xiàn)不同領域的輕松定制，并周全地緩解下行風險。通過負責任的發(fā)展，人工智能可以極大地造福組織、工人和整個社會。

原文鏈接：https://www.promptengineering.org/video-review-opportunities-in-ai-by-andrew-ng/

演講視頻

【吳恩達2023年最新演講-人工智能領域的新機遇】

重要的視頻書簽

01:26 ?? 人工智能是一種通用技術，類似于電力，可應用于各個領域。
03:05 ?? 監(jiān)督學習對于標記（從垃圾郵件檢測到目視檢查）非常有價值。
04:14 ?? 大型人工智能模型需要大量數(shù)據(jù)和計算能力才能實現(xiàn)重大改進。
06:57 ?? 生成式人工智能，如 GPT-3，基于監(jiān)督學習來生成文本。
08:49 ?? 低代碼和無代碼 AI 工具可實現(xiàn)更快的開發(fā)和定制。
11:47 ?? 各種人工智能技術都存在機會，目前監(jiān)督學習占主導地位。
15:42 ?? 長尾人工智能應用程序可以通過低代碼和無代碼工具啟用。
23:22 ?? 人工智能在基礎設施和工具層的成功取決于成功的應用程序部署。
23:36 ?? Andrew Ng 和他的團隊創(chuàng)建了一個人工智能驅動的平臺“Armor Raw”，通過將人工智能專業(yè)知識與關系專業(yè)知識相結合，用于浪漫關系輔導。
24:20 ?? 應用層人工智能存在重大機遇，與基礎設施或開發(fā)等其他層相比，競爭相對較輕。
25:01 ?? Andrew Ng 分享了他的創(chuàng)業(yè)秘訣：驗證想法、盡早招募首席執(zhí)行官、通過沖刺進行迭代、首次簽入后實現(xiàn) 66% 的存活率，并通過外部融資輪次進行擴展。
27:21 ??? Bearing AI 是一家人工智能初創(chuàng)公司，其成立的目的是通過驗證想法、招聘首席執(zhí)行官、構建原型并實現(xiàn)真實的客戶驗證來提高船舶的燃油效率。
28:19 ?? 將人工智能專業(yè)知識與海運或浪漫關系等領域的主題專家相結合，可以打造出具有獨特應用的成功初創(chuàng)企業(yè)。
29:15 ??? 盡早參與具體的創(chuàng)業(yè)想法可以加快驗證、執(zhí)行速度，并與專家合作以取得高效進展。
31:32 ?? 吳恩達強調道德考慮和負責任的創(chuàng)新，只致力于推動人類進步并解決偏見、公平和社會影響的項目。
32:29 ?? 雖然人工智能帶來了工作中斷風險，但我們有責任確保受影響的個人在這些變化期間得到良好的照顧、公平對待和支持。
34:05 ?? 圍繞 AGI（通用人工智能）的炒作常常高估了人工智能的能力，但由于生物智能和數(shù)字智能之間的路徑不同，AGI 可能還需要幾十年的時間。
34:47 ?? 對人工智能造成滅絕風險的恐懼是沒有根據(jù)的；人工智能的發(fā)展是漸進的，允許監(jiān)督，人工智能有可能有助于解決真正的滅絕風險，例如流行病或氣候變化。

附：演講正文

吳恩達（Andrew Ng）博士是AI Fund的執(zhí)行總經理,deeplearning.ai和Landing AI的創(chuàng)始人,Coursera的主席和聯(lián)合創(chuàng)始人,斯坦福大學計算機科學系的兼職教授。此前,他創(chuàng)立并領導了谷歌大腦團隊,幫助谷歌采用現(xiàn)代AI,他也曾擔任斯坦福AI實驗室的主任。約有800萬人,即地球上1/1000的人口,從他那里學習過AI課程,通過他的教育和AI工作,他改變了無數(shù)人的生活。

吳恩達教授2023 年 7 月 26 日在斯坦福大學商學院主辦活動中進行了一個人工智能新機遇的講座，這是來自世界頂級人工智能專家對未來的判斷，講座視頻最近兩天才放出來，我對講座內容進行了翻譯和整理，強烈推薦吳恩達教授這次講座。

本次講座包括：

1）人工智能技術和工具的發(fā)展趨勢-監(jiān)督學習-生成式人工智能

2）人工智能的機遇，應用

3）創(chuàng)建初創(chuàng)企業(yè)的過程

4）人工智能的風險與社會影響

今天我想和大家聊一聊人工智能領域的一些機會。我一直認為，人工智能就像新的電力一樣。關于人工智能的一個難以理解的地方是，它是一項通用技術，意味著它不僅對一件事有用，而是對很多不同的應用有用，有點像電力。如果我問你電力有什么用，你知道它不是用來做某一件事的。

我想開始與大家分享我對技術領域的看法，這將引導我們進入一系列機會。人工智能引發(fā)了很多炒作和興奮，我認為一個好的方式來看待人工智能是將其視為一組工具。這包括一種叫做監(jiān)督學習的技術，它非常擅長識別事物或標記事物，還有生成式人工智能，這是一個相對新的令人興奮的發(fā)展。如果你熟悉人工智能，可能聽說過其他工具，但我會少談論這些額外的工具，我將重點關注我認為目前最重要的兩種工具，即監(jiān)督學習和生成式人工智能。

監(jiān)督學習非常擅長標記事物或計算輸入到輸出或A到B的映射。比如，給定一封電子郵件，我們可以使用監(jiān)督學習將其標記為垃圾郵件或非垃圾郵件。我所參與過的最賺錢的應用可能是在線廣告。

我們可以給廣告打上標簽，表示哪些用戶可能會點擊它，因此顯示更相關的廣告。

對于自動駕駛，根據(jù)汽車的傳感器讀數(shù)，我們可以標記其他車輛的位置。我團隊AI基金曾參與的一個項目是船舶航線優(yōu)化，根據(jù)船舶所采取或考慮采取的航線，我們可以標記其預計消耗多少燃料，并利用這一信息使船只更加節(jié)能。在工廠中，自動視覺檢測也有很多工作，因此你可以拍一張新制造的智能手機的照片，然后將其標記為是否有瑕疵。

如果你想建立一個餐廳評論聲譽監(jiān)測系統(tǒng)，你可以編寫一小段軟件，用來分析在線餐廳評論并標記其為正面或負面情感。

監(jiān)督學習的一個好處是它不僅對一件事有用，而且對所有這些不同的應用以及更多其他應用都有用。讓我具體解釋一下一個監(jiān)督學習標記事物的項目的工作流程。如果你想構建一個用于標記餐廳評論的系統(tǒng)，首先要收集一些數(shù)據(jù)點或數(shù)據(jù)集，例如，“巴斯特拉米三明治非常美味”表示積極，而“服務太慢了”表示消極。在這里，我展示了三個數(shù)據(jù)點，但在構建這個系統(tǒng)時，你可能會得到成千上萬個類似的數(shù)據(jù)點，我們稱之為訓練示例。

一個AI項目的工作流程通常是這樣的：

首先，你獲取標記的數(shù)據(jù)，可能有成千上萬個數(shù)據(jù)點。然后，你需要一個AI工程團隊來訓練一個AI模型，使其從這些數(shù)據(jù)中學習。最后，你可能會找到一個云服務來運行已經訓練好的AI模型，然后輸入一句話，比如“這是我吃過的最好喝的珍珠奶茶”，這被標記為積極情感。因此，我認為過去的十年可能是大規(guī)模監(jiān)督學習的十年。

我們發(fā)現(xiàn)大約在10到15年前，使用小型深度學習算法和小型AI模型，或者在性能不是特別強大的計算機上進行訓練，當你提供更多數(shù)據(jù)時，性能可能會稍微提高一些，但之后會趨于穩(wěn)定，達到一個平臺，無法繼續(xù)利用數(shù)據(jù)來獲得更好的性能。但如果你訓練一個非常大的AI模型，使用大量計算資源，比如強大的GPU，然后隨著提供給機器學習模型的數(shù)據(jù)規(guī)模的增加，性能會繼續(xù)提高。

這就是為什么當我開始領導Google Brain團隊時，我主導團隊解決的首要任務是構建非常大的神經網(wǎng)絡，然后向其提供大量數(shù)據(jù)。這個方法幸運地奏效了，我認為推動了過去十年的許多人工智能進展的核心思想是使用大規(guī)模計算和大規(guī)模數(shù)據(jù)。如果上一個十年是監(jiān)督學習的十年，那么我認為這個十年也正在不斷發(fā)展，我們將在監(jiān)督學習的基礎上添加一個令人興奮的工具，那就是生成式人工智能。

你們中的許多人可能已經接觸過像GPT-3和Bert這樣的工具。通過給定一個文本片段，稱之為提示（prompt），比如“我喜歡吃”，你可以多次運行模型，可能會得到“百吉餅奶酪”、“我媽媽的肉loaf”或者“超級朋友”等輸出。人工智能系統(tǒng)可以生成這樣的輸出。鑒于生成式人工智能引發(fā)了大量關注和興奮，我想花半張幻燈片的時間來簡單介紹一下它的工作原理。

事實證明，至少對于這種類型的文本生成，生成式人工智能的核心是使用監(jiān)督學習，通過輸入-輸出映射來重復預測下一個單詞。

因此，如果你的系統(tǒng)在互聯(lián)網(wǎng)上讀到一句話，比如“我最喜歡的食物是百吉餅和奶酪”，那么這句話可以轉化為一些數(shù)據(jù)點，其中如果看到“我最喜歡的食物是”，在這種情況下，嘗試猜測正確的下一個單詞是“百吉餅”，或者如果看到“我最喜歡的食物是百吉餅”，則嘗試猜測下一個單詞是“奶酪”。類似地，如果看到在這種情況下，下一個單詞的正確猜測應該是“奶油”。通過使用互聯(lián)網(wǎng)或其他來源上找到的文本，并利用這種輸入-輸出監(jiān)督學習來反復預測下一個單詞，如果在數(shù)百億字詞的文本上訓練一個非常大的AI系統(tǒng)，最大的模型現(xiàn)在已經超過一萬億字，那么你就會得到一個大型語言模型，如GPT-3。

我提到了一些重要的技術細節(jié)，比如技術上，這些系統(tǒng)預測的是下一個子單詞或稱為"token"的單詞部分，還有其他技術，如Rohf，用于進一步調整AI的輸出，使其更有幫助、誠實和無害，但它的核心是使用監(jiān)督學習來反復預測下一個單詞，這正是支持大型語言模型取得令人興奮的、令人印象深刻的進展的關鍵所在。雖然許多人將大型英語模型視為出色的消費者工具，可以訪問像"track"這樣的網(wǎng)站，GPS網(wǎng)站或機器人等大型語言模型，我認為這也很棒。

我認為還有一個仍然被低估的趨勢，那就是大型語言模型的威力，不僅僅是作為消費者工具，還作為開發(fā)者的工具。事實證明，有一些應用以前可能需要我數(shù)月的時間來構建，現(xiàn)在很多人可以通過使用大型語言模型來更快地構建。

具體來說，監(jiān)督學習構建餐廳評論系統(tǒng)的工作流程可能是，你需要獲取一堆標記數(shù)據(jù)，也許需要一個月的時間來獲得幾千個數(shù)據(jù)點，然后需要一個AI團隊來訓練、調整，并真正優(yōu)化AI模型的性能，也許需要三個月的時間，然后找一個云服務來運行它，確保它穩(wěn)定運行，確保它能夠識別，這可能需要另外三個月。

因此，構建一個商業(yè)級機器學習系統(tǒng)的比較現(xiàn)實的時間表可能是6到12個月。我領導的團隊通常會花一些時間大約需要 6 到 12 個月的時間來構建和部署這些系統(tǒng)，其中一些系統(tǒng)事實證明非常有價值。但這是構建和部署商業(yè)級人工智能系統(tǒng)的現(xiàn)實時間表，與基于提示的人工智能相比，我們編寫一個提示，工作流程如下：你可以指定一個提示，可能需要幾分鐘或幾小時，然后可以部署到云上，可能需要幾小時或幾天。

因此，有些人工智能應用以前可能需要我花費 6 個月，甚至一年的時間來構建，但現(xiàn)在全球許多團隊可能只需要一周就能完成。我認為這已經開始了，但最好的還在后頭。這開始打開了大量可以由許多人構建的人工智能應用的大門。我認為很多人仍然低估了即將出現(xiàn)的定制人工智能應用的數(shù)量。我知道你可能沒有預料到我在這個演示中會編寫代碼，但我要做的就是編寫代碼。所以，這是我編寫一個情感分類器所需的所有代碼。我將使用 Python 和 OpenAI 的重要工具，然后我有一個提示，其中寫著“將以下文本分類為具有積極或消極情感，以三個短橫線為分隔”。然后我運行這個代碼，我之前從未運行過，所以我真的不知道，希望，哦，謝天謝地，我們得到了正確的答案，這實際上就是構建情感分類器所需的所有代碼。今天，全球的開發(fā)者可能只需要不到10分鐘就可以構建這樣的系統(tǒng)，這是非常令人興奮的發(fā)展。因此，我一直在努力教授關于如何使用提示的在線課程，不僅作為消費者工具，還作為開發(fā)者工具。

停下來談一談技術領域，現(xiàn)在讓我分享一下我對一些人工智能機會的看法。這張圖展示了我認為不同人工智能技術的價值，我將談論未來三年的情況，但我認為今天大部分的人工智能價值來自監(jiān)督學習。對于像谷歌這樣的一家公司，監(jiān)督學習可以每年創(chuàng)造超過1000億美元的價值，而且有數(shù)百萬的開發(fā)者正在構建監(jiān)督學習應用程序，因此它已經具有巨大的價值，而且因為大量的努力而擁有巨大的動力，找到了各種各樣的應用程序，他們的構建和生成式人工智能是真正令人興奮的新進入領域，目前規(guī)模較小，其他工具我包括在內，是為了完整性考慮的。

你可以看到這些圓圈的大小代表了今天的價值，這是我認為它們在未來三年內可能會增長到的水平。監(jiān)督學習已經非常龐大，可能在未來三年內翻一番，從非常龐大變得更加龐大，而生成式人工智能目前規(guī)模較小，但我認為未來三年內可能會翻倍以上，因為有大量的開發(fā)者興趣、風險投資的投資、大公司在探索應用領域等。我還想指出，三年是一個非常短的時間范圍，如果以這個速度繼續(xù)復利增長，那么在六年內，它將會更加龐大。但在這張圖中，淺色陰影區(qū)域代表新創(chuàng)公司或大公司現(xiàn)有公司的機會，可以創(chuàng)建和獲得價值。但我希望你從這張圖中得到一個印象，那就是所有這些技術都是通用技術。在監(jiān)督學習的情況下，過去十年需要做的很多工作，但在未來十年仍將繼續(xù)，是確定和執(zhí)行具體的用例，這個過程也正在開始應用于生成式人工智能。因此，在這個部分的演示中，我希望你能明白通用技術對許多不同的任務都是有用的，仍然存在著許多價值。

我們借助監(jiān)督學習打造出眾多令人振奮的應用，不過仍未窮盡其所有潛能。現(xiàn)在，新出現(xiàn)的工具如生成式人工智能讓我們能探索更多可能性。然而，需注意短期內可能涌現(xiàn)的潮流。比如名為Lenser的app，能上傳個人照片并被渲染成宇航員等角色，想法雖好，用戶也喜歡，但終究只是基于強大API的薄弱應用，因此不具備持久商業(yè)價值。這讓我想到Steve Jobs的一則故事，有人曾為iPhone開發(fā)1.99美元的應用程序以打開LED燈并使手機變?yōu)槭蛛娡病＿@些應用均是不錯的主意，但因易被復制且價值不高，最終都被融入iOS系統(tǒng)。不過，隨著iOS和iPhone的繁榮，催生了Uber和Airbnb等應用的誕生。

我認為，隨著生成式人工智能的嶄露頭角以及其他新人工智能工具的出現(xiàn)，我們有幸能夠構建深度復雜的應用程序并有望創(chuàng)造長期價值，這極其令人振奮。

我想分享的第一個趨勢是人工智能作為通用技術的廣泛運用，而今擺在我們面前的工作是發(fā)現(xiàn)并構建多樣化的用例。

第二個趨勢是為什么人工智能尚未得到廣泛應用。一些人已經討論人工智能已有約15年時間，但如果你審視人工智能目前的實際應用，不難發(fā)現(xiàn)其大部分集中在消費者軟件和互聯(lián)網(wǎng)領域。一旦你離開科技或消費者軟件互聯(lián)網(wǎng)領域，人工智能的采用就會變得相當零散，許多領域尚處于早期階段。為什么會這樣呢？如果你將當前和潛在的人工智能項目按價值遞減排序，那么在這個曲線的左側，價值最大的項目多屬于廣告、網(wǎng)絡搜索以及電子商務的產品推薦等領域，例如亞馬遜等公司。大約在10到15年前，我和一些朋友找到了一種方法，可以雇傭約100名工程師編寫一款軟件來為數(shù)十億用戶提供更相關的廣告，并將這款軟件應用到數(shù)十億用戶上，從而創(chuàng)造出巨大的財務價值。然而，這種方法在消費者領域之外卻行不通。

在軟件和互聯(lián)網(wǎng)領域，擁有億級或十億級用戶的規(guī)模是極其罕見的，因此創(chuàng)建一個通用的軟件并應用并不現(xiàn)實。這就意味著，一旦你轉向其他行業(yè)，你就會發(fā)現(xiàn)有許多有趣且令人興奮的項目。我曾與一家披薩制造商合作，他們通過拍照記錄制作的披薩，以確保奶酪分布均勻。這個項目大約價值500萬美元，但雇傭100名工程師或幾十名工程師來完成一個價值500萬美元的項目并不合理。

我還要分享另外一個例子。我與一家農業(yè)公司合作，我們通過攝像頭測量小麥的高度。由于風雨等因素，小麥會彎曲，我們可以在適當?shù)母叨雀畹綦s草。這樣不僅為農民提供了更多可以銷售的糧食，也有利于環(huán)境。不過同樣，這個項目也價值500萬美元，而以前的方法是雇傭一大批高級工程師來完成這個項目，這是不合理的。此外，還有諸如材料分級、布料分級、鋼板分級等類似的項目。

在曲線圖左側，有一小部分價值數(shù)十億美元的項目，我們知道如何執(zhí)行這些項目并提供價值。但在其他行業(yè)中，我看到了成千上萬個價值500萬美元的項目，這些項目沒有得到足夠的關注。

目前，由于定制的高成本，很難執(zhí)行許多項目。我認為一個令人興奮的趨勢是，人工智能社區(qū)一直在構建更好的工具，使我們能夠整合這些用例，并使最終用戶能夠輕松進行定制。

具體來說，我看到了許多令人興奮的低代碼和無代碼工具，使用戶能夠自定義人工智能系統(tǒng)。這意味著我不需要太過擔心披薩的照片，因為我們開始看到一些可以讓披薩制造工廠的IT部門自行訓練人工智能系統(tǒng)的工具，以識別披薩的價值高達500萬美元。另外，披薩的照片并不存在于互聯(lián)網(wǎng)上，因此 Google 和 Bing 無法訪問這些照片。我們需要的是可以由披薩工廠自己使用的工具來構建、部署和維護他們自己的定制人工智能系統(tǒng)，用于處理他們自己的披薩照片。廣泛來說，啟用這一技術的技術包括一些文本提示、視覺提示等類似工具。

我認為第二個趨勢很重要，因為我認為這是將人工智能的價值從技術領域和消費軟件領域推向其他領域、甚至整個經濟的關鍵部分。有兩個趨勢我分享了：人工智能是通用技術、有很多具體用例有待實現(xiàn)以及低代碼、無代碼的工具可以更容易地將人工智能部署到更多的行業(yè)中。那么我們如何抓住這些機會呢？大約五年前我就開始思考如何將人工智能應用到更多的領域中。我曾經在谷歌、百度等大型科技公司擁有AI團隊，但我很難想象如何在一個大型科技公司內部運作一個團隊去追求各種各樣的機會——從海運到教育、金融服務、醫(yī)療保健等等——這些機會非常多樣化、涉及不同的市場和客戶群體以及應用領域。

我認為最有效的方法是創(chuàng)建多家不同的公司來追求多元化的機會。因此，我創(chuàng)立了AI基金，它是一個創(chuàng)新中心，專注于孵化初創(chuàng)公司以探索各種可能性。當然，除了初創(chuàng)公司外，現(xiàn)有企業(yè)也有許多機會將人工智能集成到他們的業(yè)務中。實際上，對于現(xiàn)有企業(yè)來說，一種常見的模式是利用其強大的分銷能力來將人工智能巧妙地整合到他們的產品中，這樣可以非常高效地實現(xiàn)這一點。

但是，讓我們更具體地探討一下這些機會在哪里。在人工智能領域，存在一個層次結構，最底層是硬件半導體層，這個層面有許多極好的機會，但需要大量的資本投入，而且資源相對集中，因此成功率較低。一些人可能會在這個領域發(fā)揮積極的作用，但個人而言我不太愿意參與其中。

再往上，是開發(fā)者工具層。就像我之前展示的那樣，我現(xiàn)在正在使用OpenAI的API作為我的開發(fā)者工具。這個領域競爭激烈，你可以看到許多初創(chuàng)公司都在爭相效仿OpenAI的模式。然而，我認為如果能在顯著的技術領域取得優(yōu)勢，那么你將有更多的機會在這個領域成為大贏家。因此，我會在這個領域參與競爭，但這通常是在我確定自己有顯著的技術優(yōu)勢的情況下。

盡管媒體和業(yè)界的焦點都集中在基礎架構和開發(fā)者工具層面，但事實卻證明，只有應用層面取得成功，上述層面才能真正成功。在SaaS（軟件即服務）崛起時，我們看到了同樣的趨勢。當時，大部分的關注點和興奮點都集中在技術和工具層面，這并沒有錯。然而，只有當應用層面取得更大的成功時，這些層面才能真正實現(xiàn)成功，從而產生足夠的收入來支持基礎架構和工具的持續(xù)發(fā)展。

讓我給你一個具體的例子。我昨晚通過短信與一位CEO交流，Armour是一家完全基于人工智能的公司，專注于提供親密關系輔導服務。雖然我是人工智能專家，但對于親密關系，我?guī)缀跻粺o所知。如果你不相信我，可以問問我的妻子。她會證實我對親密關系確實一竅不通。然而，當我們打算創(chuàng)立這家公司時，我們希望能與Tinder的前CEO Renata及其專業(yè)團隊合作。我們的團隊在人工智能方面擁有專業(yè)知識，而Renata的團隊則擅長人際關系方面。她曾是Tinder的CEO，對人際關系有著深入的理解。我們希望利用人工智能為人們提供親密關系輔導服務，這是一個相當獨特且具有挑戰(zhàn)性的項目。

在應用層面，我看到了許多令人興奮的機會。這些機會的市場潛力巨大，相比之下，競爭要小得多。當然，這并不是說沒有競爭對手存在。然而，相比于開發(fā)者工具層或基礎架構層，應用層的競爭要弱得多。我花了許多時間不斷優(yōu)化初創(chuàng)公司的創(chuàng)立過程，現(xiàn)在我想與你分享我們已經開發(fā)出的這一過程。

初創(chuàng)公司的創(chuàng)立過程需要多年的不斷嘗試和改進。這就是我們現(xiàn)在創(chuàng)建初創(chuàng)公司的方式。我的團隊一直擁有許多不同的想法，包括內部產生的想法以及合作伙伴的想法。我想通過一個具體的例子來解釋這一點。我們曾創(chuàng)辦了一家名為Bearing AI的公司，該公司利用人工智能技術提高船只的燃油效率。這個想法源于一家名為三井的日本大型財團。他們是Opera的主要股東，也是一家主要的航運公司。他們找到我并建議說：“安德魯，你應該創(chuàng)建一個業(yè)務來利用人工智能提高船只的燃油效率。”具體來說，這個想法是利用人工智能技術為船只導航提供類似于谷歌地圖的功能建議船只或船隊如何駕駛以確保按時到達目的地同時減少約10%的燃料消耗。

接下來我們會花大約一個月的時間來驗證這個想法的技術可行性并和潛在客戶進行交流以確定市場的需求情況。如果這個階段通過了我們將會招募首席執(zhí)行官并與我們一起開展項目。

當我剛開始做的時候，我通常會在項目開始之前花很長時間來獨立開展項目，然后再招募首席執(zhí)行官。但在不斷迭代后，我們意識到，在項目一開始就引入領導者，可以減輕很多知識傳遞的負擔，或者領導者進來后需要重新驗證我們所發(fā)現(xiàn)的東西，這個流程更加高效。所以我們學到的教訓是，在項目一開始就引入領導者更加高效。在 Bearing AI 的案例中，我們找到了一位杰出的首席執(zhí)行官 Dylan Kyle，他是一位成功的創(chuàng)業(yè)家，在此之前曾成功建立過一家公司。然后，我們花了三個月的時間，進行了六個兩周的沖刺，與他一起建立了原型，并進行了深入的客戶驗證。如果項目在這個階段成功，我們有約2/3（66%）的生存率，然后該公司就有了足夠的資源來招募高管團隊，建立關鍵的團隊，使MVP（最小可行產品）運作，并吸引一些真正的客戶。之后，希望能成功地籌集更多的外部融資輪次，以繼續(xù)增長和擴張。我為我的團隊所做的工作感到自豪，他們能夠支持三井的想法，并聘請Dylan作為首席執(zhí)行官，如今，因為 Bearing AI 的工作，目前有數(shù)百艘船只正在高海上以不同的方式駕駛，可以節(jié)省大約每艘船每年45萬美元的燃料成本，當然，對環(huán)境來說也更好。

我之所以喜歡這個例子，是因為這是一個創(chuàng)業(yè)想法，我自己永遠不會想出來的，因為我坐過船，但我對海上運輸一竅不通。但正是三井在海上運輸方面的深厚專業(yè)知識，與Dylan以及我的團隊在人工智能方面的專業(yè)知識，使這一切成為可能。所以在人工智能領域，我學到的一件事是，我的專業(yè)領域就是人工智能，就是這樣，因為我已經花了很多時間，很難成為海上運輸、親密關系、醫(yī)療保健和金融服務等領域的專家，所以我學到的教訓是，如果我能幫助進行準確的技術驗證，并我覺得與擁有具體想法的項目一起合作通常能夠迅速且有效地進行。

我也發(fā)現(xiàn)，幫助公司建立強大的技術團隊并與專業(yè)領域專家合作通常會帶來令人興奮的新機會。我還想與大家分享另一個奇怪的啟示，這是我在創(chuàng)建初創(chuàng)企業(yè)時學到的一種奇怪的方式，與設計思維方法論中的許多建議相反。設計思維方法論通常建議不要匆忙找到解決方案，而是要探索多種解決方案的替代方案。老實說，我們嘗試過這種方法，但發(fā)現(xiàn)它非常緩慢。然而，我們學到的是，在創(chuàng)意階段，如果有人來找我并說：“嘿，Andrew，你應該將AI應用于金融服務”，因為我不是金融服務的專業(yè)人士，如果我要學習足夠多的金融服務知識以確定應該做什么，那會非常緩慢。我是指，最終你可能會得到一個好的結果，但這是一項非常耗時、緩慢且昂貴的過程，我要盡力學習各個行業(yè)。

相比之下，我的合作伙伴之一把這個想法寫成了一個開玩笑的點子，沒有真正認真對待，但你知道，假設國家購買GBT，通過自動購買每個產品來消除廣告，看看廣告是否改變或者是否不再看到廣告。這并不是一個好主意，但它是一個具體的想法，事實證明，具體的想法可以有效地進行驗證或證偽。它還為團隊提供了明確的執(zhí)行方向。我學到的是，在今天的世界中，尤其是在AI引發(fā)了許多人的興奮、關注和曝光之后，今天的世界中有許多專業(yè)領域的專家，他們可能已經深思熟慮了幾個月，甚至一兩年的問題，但他們還沒有找到合作伙伴。當我們與這些專業(yè)領域的專家合作，他們與我們分享了想法，可以讓我們迅速進行驗證和建設。我發(fā)現(xiàn)這種方法有效，因為今天的世界上有很多專業(yè)領域的專家，他們可能已經深思熟慮了幾個月，甚至一兩年的問題，但他們還沒有找到合作伙伴。

所以，總結一下，我學到的是，在開始一個項目時擁有具體的想法非常重要，因為它為執(zhí)行提供了明確的方向，并允許有效的驗證。這種方法在我們創(chuàng)建初創(chuàng)企業(yè)的過程中非常有效，我相信這對于其他希望踏上創(chuàng)業(yè)之路的人來說也可能非常有價值。

我發(fā)現(xiàn)有很多人已經進行了設計思維的探索工作，嘗試了許多想法，并最終找到了一些非常好的想法。在這些想法中，有很多是非常有潛力的，但卻沒有人在進行工作。發(fā)現(xiàn)這些已經存在的好想法，并找到愿意與我們建立伙伴關系來實現(xiàn)這些想法的人，事實證明要高效得多。

在風險和社會影響方面，我和我的團隊只參與那些有助于推動人類前進的項目，而且我們多次評估項目的財務可行性，基于倫理原則。然而，令我驚訝的是，有些人有創(chuàng)意，他們提出了一些看似有利可圖但實際上不應該被建立的想法。對于這些想法，我們會終止項目。

AI目前存在偏見、公平性和準確性等問題，但技術正在迅速改進。我看到，今天的AI系統(tǒng)比六個月前更少偏見、更公平，雖然這并不意味著忽視這些問題的重要性，但我也感到高興的是，有很多AI團隊正在努力解決這些問題，使它們變得更好。

AI對就業(yè)的干擾是目前最大的風險之一。這是一張圖表，來自賓夕法尼亞大學的朋友和OpenAI的一些人對不同工作崗位受到AI自動化影響的分析。結果表明，盡管以前的自動化浪潮主要影響了低工資工作，例如在工廠引入機器人的情況下，但當前的自動化浪潮實際上影響到更多高薪職位，尤其是更靠右的高薪職位，這些工作更容易受到AI自動化的任務影響。

即使我們通過AI創(chuàng)造了巨大的價值，作為公民、公司、政府以及整個社會的一員，我仍認為我們有責任確保那些受其影響的人得到妥善的關照和待遇。

此外，每當AI出現(xiàn)大進步時,人們似乎都會對通用人工智能產生大量炒作。當10年前深度學習開始發(fā)揮作用時,有大量關于AGI的炒作,現(xiàn)在生成式AI進展順利,又出現(xiàn)了關于AGI的新一輪炒作。但我認為通用人工智能,即AI可以做人能做的任何事情,仍然還有幾十年的路要走,也許需要30到50年,甚至更長時間。我希望我們有生之年能見證它,但我認為它不會很快發(fā)生。

其中一個挑戰(zhàn)是生物進化通向智能的路徑與數(shù)字通向智能的路徑截然不同,AGI的定義是用生物智能的標準衡量數(shù)字智能,這是一個有趣的比較。我認為大語言模型在某些關鍵維度上比我們任何人都更聰明,但在其他維度上比我們任何人都愚蠢。所以強迫它做人類能做的任何事情是一個有趣的比較。但我希望我們能在有生之年見證這一點。人們也非常夸大AI對人類造成滅絕風險。老實說,我看不到AI造成人類任何真正的滅絕風險。我認為人們擔心我們無法控制AI,但我們有大量經驗來駕馭比任何個人都強大得多的實體并確保它們大多造福人類。此外,技術是逐步發(fā)展的,所謂的硬起飛場景,今天它基本上不工作,然后突然有一天它變得非常聰明并接管世界,這根本就不現(xiàn)實。我認為AI技術會緩慢發(fā)展,就像其他技術一樣,這給了我們足夠的時間來進行監(jiān)督并確保它是安全的。

所以我的感覺是,如果你想人類在未來1000年生存和繁榮,與其減慢AI的發(fā)展速度,我寧愿AI盡可能快地發(fā)展。總之,我認為AI作為一種通用技術為每個人創(chuàng)造了大量新機會,我們所有人面前激動人心和重要的工作是去建立那些具體的用例。希望將來我有機會也許與更多的人共同開發(fā)這些機會。

更多精彩內容請點擊：AI領域文章精選！

關注??，回復【吳恩達】可以下載吳恩達深度學習經典課程

吳恩達最新演講-AI的新機遇！